应连接贷款的贷款：AI的内部结构，改变财务访问

尽管许多企业目前正在采用和部署AI，但信贷局的巨大预测采用了非常衡量的方法。

Experian开发了自己的内部流程，框架和控制模型，帮助他检查了生成AI，按比例扩展并影响它。该公司的旅程有助于将运营从传统信贷局转变为带有AI的复杂公司平台。他的方法 – 对高级机器学习（ML），代理AI架构和降低创新的钦佩 – 改善了业务运营，并扩大了对约2600万美国人的财务通道。

AI的实验性旅行与仅在2022年Chatgpt之后才开始研究机器学习的公司形成鲜明对比。信用巨头有条不紊地开发了近二十年来AI的能力，创造了基础，从而使其能够快速使用AI的生成突破。

VentureBeat在与Sri Santanam，EVP和GM，EVP和GM，Software，Software，Platform和AI产品的独家采访中说：“ AI是实验中的结构的一部分。” “我们使用AI来解锁数据的力量，以便在过去二十年中对企业和消费者产生最佳影响。”

从传统的机器学习到创新的AI引擎

在现代AI时代之前，Experian已经在ML中使用了创新。

桑塔纳姆（Santanam）解释说，开拓者的排泄物并没有依靠主要的传统统计模型，而是利用制造树木的使用，以及其他机器学习方法来进行信用承销。该公司还开发了解释的AI系统，旨在符合金融服务中的监管要求，这些要求可能制定了基本的自动贷款决策推理。

最重要的是，在CHATGPT之前很久以前就使用语言模型和变压器网络实验的实验创新实验室（以前的数据实验室）。这项早期工作使公司迅速使用人工智能的生成成就，而不是从头开始。

Santanam解释说：“当Chatgpt流星介入这样一个事实时，这对我们来说是一个相当简单的加速点，因为我们了解了这项技术，我们的意思是应用程序，我们只是踩了踏板。”

该技术基金允许实验规避实验阶段，许多企业仍将其定向并直接移至生产实施。尽管其他组织刚刚开始了解大型语言模型（LLM）可以制造的，但Experian已经将它们部署在AI的现有结构中，将其应用于他们之前揭示的特定业务问题。

转变AI企业的四个支柱

当生成AI出现时，实验并不恐慌，也不是杆。他沿着这条路加速了，已经概述了。该公司组织了大约四个战略支柱的方法，为技术领导者提供了采用人工智能的全面基础：

1. 改善产品：Experian认为对客户的现有报价确定基于人工智能和全新的客户体验的改进的可能性。 Experian不是创建自主AI功能，而是将生成能力集成到其主要产品集中。
2. 性能的优化：第二个支柱通过在工程组，客户服务运营和内部创新流程之间引入AI来考虑优化性能。这包括为开发人员编码人工智能并优化客户服务操作提供帮助。
3. 平台开发：第三个支柱 – 也许是上狱成功的最关键的支柱 – 以平台的开发为中心。该实验承认，许多组织将争取实施该概念的确认概念，因此他投资了该平台建设的基础设施，专门针对整个企业的AI计划负责规定。
4. 权利和机会的教育和扩大：第四支柱致力于形成，扩大了权利，能力和交流 – 创建结构化系统以刺激整个组织的创新，而不是限制专业团队的经验。

这种结构化的方法为企业提供了一项计划，该计划试图根据系统实施，超越AI的分散实验，并对业务产生可衡量的影响。

技术架构：实验如何构建模块化AI平台

对于那些做出技术决策的人来说，Experian平台的体系结构展示了如何创建企业系统，以平衡创新与管理，灵活性和安全性。

该公司建立了具有设计基本原理的多层技术堆栈，该堆栈确定了适应性的优先级：

圣塔尼斯解释说：“我们避免穿过单方面的门。” “如果我们在技术或框架领域做出选择，我们希望在大多数情况下我们做出选择，如有必要。”

架构包括：

• 型号：用于大型语言模型的许多选项，包括通过Azure，AWS BedRock型号，包括Claude的Claude和具有薄配置的专有模型，包括API OpenAi。
• 应用层：允许工程师创建代理体系结构的组件的服务工具和库。
• 安全水平：与Dynamo AI的早期合作伙伴关系，以确保安全，控制政治和专门为AI系统设计的穿透性测试。
• 管理结构：领导者直接参与人工智能风险的全球委员会。

这种方法与致力于与一个供应商或自己的模型进行决策的企业形成鲜明对比，从而确保了Ai I能力的发展，从而确保了更大的表达。目前，该公司认为建筑转移到桑塔尼（Santani）称为“ AI系统，它们更被归档为专家和代理商的混合物，这些专家和代理商由更专注的专家或小语言的模型进行管理。”

可衡量的影响：金融包容性，按比例控制AI

除了建筑精致之外，人工智能的实施Experian还展示了特定的业务和社会影响力，尤其是在解决“隐形贷款”问题时。

信用隐形金融服务行业属于约2600万美国人，他们缺乏足够的信用记录来获得传统的信用评级。这些人，通常是年轻的消费者，最近的移民或历史上服务的社区不足的人，尽管他们有可能获得贷款，但仍面临着获得金融产品的巨大障碍。

传统的贷款评估模型主要依赖信贷局的标准数据，例如贷款付款历史，信用卡的使用和债务水平。没有这个传统的故事，贷方历来将这些消费者视为高风险，或者拒绝完全为它们服务。这会创建一个陷阱22，使人们无法建立贷款，因为他们首先无法访问信用产品。

Experian通过AI领域的四个特定创新解决了这个问题：

1. 替代数据模型：机器学习系统，包括非传统数据源（租赁付款，公用事业，电信付款），用于贷款评估，分析数百个变量，而不是普通模型中的有限因素。
2. 解释合规性的AI：维持符合监管要求的组织，制定为什么要评估特定决策，这确保在高度监管的贷款环境中使用复杂模型。
3. 薄数据分析：研究财务行为如何随着时间的流逝而发展，并且不提供静态图像，在路径轨迹和付款行为中找到模式，以更好地预测未来的信誉。
4. 分段体系结构：用户设计模型侧重于各个信用不可见的段 – 与没有传统故事的人相比，那些具有薄文件的模型。

结果很重要：使用这些系统的金融机构可以由先前不可见的人群群体的50％申请人批准，同时维持或提高风险的有效性。

对决定决策的技术人员的有效结论

对于寻求管理人工智能引入的企业，Experian经验提供了一些有效的想法：

构建改编的体系结构：建立人工智能平台，以允许模型的灵活性，而不是仅在单个供应商或方法上的费率。

管理整合：创建互操作团队，在该团队中，安全，合格和人工智能开发人员从一开始就进行了协作，而在掩体中不起作用。

专注于可测量的曝光：优先考虑人工智能领域的优先事项，例如扩大Experian Loan的扩展，这些贷款提供了切实的业务价值，并解决了更广泛的社会问题。

考虑代理体系结构：超越简单的聊天机器人，向管弦乐，多代理系统，这些系统可以更有效地执行特定于域的复杂任务。

对于金融服务领域和其他受监管行业领域的技术领导者，Experian的旅程表明，负责任的管理不是创新的障碍，而是可持续，可靠增长的因素。

通过将技术的方法论开发与预测应用程序设计相结合，Experian为传统数据处理公司制定了计划，可以将其变成具有重要业务和社会影响力的AI平台。

每天有关VB每日业务使用方案的见解

如果您想打动老板，VB每天都会覆盖您。我们为您提供有关公司对生成AI的影响的内部勺子，从监管转变到实际部署，因此您可以分享对最大投资盈利能力的了解。

阅读我们的保密政策

感谢您的订阅。在此处查看更多VB信息选票。

发生错误。